ゴールドマン・サックスの最高情報責任者マルコ・アルジェンティ氏が、2026年のAI動向について予測を発表した。同氏は2025年がAIの進化における転換点となり、モデルが質問応答から「ユーザーに代わってタスクを実行するエージェント」へと変化したと述べた。
2026年の主要予測として、AIモデルが処理できるコンテキストの大幅な拡張、AIモデルが新しいオペレーティングシステムとして機能しインターネット閲覧やファイルアクセスを可能にすること、職場では適応力が最重要スキルになること、AI分野で大規模な戦略的パートナーシップが形成されること、米国と中国の間でAI競争が激化すること、企業が「トークンステッカーショック」に直面すること、「サービスとしてのエージェント」が台頭すること、そしてエネルギーがAI成長の最大の制約要因になることを挙げた。
【編集部解説】
ゴールドマン・サックスのマルコ・アルジェンティ氏による2026年のAI予測は、単なる技術トレンドの羅列ではありません。これは金融業界の最前線で1万2000人のエンジニアを率いる立場から発せられた、極めて実践的な警告とも言える内容です。
最も注目すべきは「トークンステッカーショック」という言葉でしょう。トークンとは、AIモデルが処理するデータの単位のことです。現在のAIモデル、特に推論能力を持つ高度なモデルは、ユーザーが目にする応答を生成するまでに、内部で膨大な思考プロセスを実行しています。この「見えない思考」が、予想を超えるコストを生み出す可能性があるのです。
例えば、OpenAIのGPT-4では入力トークン1000個あたり約0.03ドル、出力トークンは約0.06ドルかかります。一見安く見えますが、エンタープライズ規模で月間数百万のクエリを処理すると、月額数十万ドル規模のコストになります。アルジェンティ氏が指摘するように、2026年にはAIパイロットプロジェクトが本格展開に移行するため、多くの企業がこの現実に直面することになるでしょう。
「サービスとしてのエージェント」という概念も重要です。これはSaaS（ソフトウェア・アズ・ア・サービス）に代わる新しいビジネスモデルで、ソフトウェアではなく「作業そのもの」を販売するという発想です。コーディング、財務分析、カスタマーサービスなど、専門分野に特化したAIエージェントを企業が「レンタル」する時代が来ると予測されています。
エネルギー問題も看過できません。AIの訓練と推論には膨大な電力が必要で、国際エネルギー機関（IEA）の2024年報告によれば、AIワークロードを主因として、世界のデータセンターの電力消費は2026年までに2倍以上になる見込みです。GoogleやMicrosoftは原子力や地熱発電所との契約を進めており、電力確保がAI競争の勝敗を分ける可能性があります。
米中のAI競争についても、アルジェンティ氏は率直です。中国のAI能力は急速に向上しており、主要なベンチマークでの差は縮まっています。これは技術的な競争であると同時に、地政学的な覇権争いでもあります。
職場での適応力という予測は、働く私たち一人ひとりに直結する問題です。専門知識そのものよりも、その知識をAIとどう組み合わせるか、自分の仕事のやり方をどう再定義できるかが、今後の成功を左右します。
このニュースを取り上げる理由は明確です。2026年はAIが「可能性」から「現実」へと移行する年になるからです。楽観論でも悲観論でもなく、私たちは冷静にこの変化の本質を理解し、準備する必要があります。
【用語解説】
トークン（Token）
AIモデルが処理するデータの基本単位。英語では約4文字が1トークンに相当する。入力トークン（プロンプト）と出力トークン（応答）があり、出力トークンは入力トークンの3～5倍のコストがかかる。AIの利用料金はこのトークン数に基づいて計算される。
コンテキストウィンドウ（Context Window）
AIモデルが一度に記憶し、処理できる情報の範囲。会話履歴や参照文書など、AIが推論する際に考慮できるデータの量を指す。コンテキストウィンドウが大きいほど、より長い文脈を理解できるが、処理コストも増大する。
エージェンシックAI（Agentic AI）
単なる質問応答ではなく、目標を与えられると自律的に複数のステップを実行し、タスクを完遂できるAIシステム。ユーザーに代わって意思決定を行い、ツールを使用し、行動を起こすことができる次世代のAI形態。
推論モデル（Reasoning Model）
回答を生成する前に内部で複雑な思考プロセスを実行するAIモデル。従来のモデルよりも精度が高いが、思考過程で大量のトークンを消費するため、コストが大幅に増加する特徴がある。
LLM（Large Language Model / 大規模言語モデル）
膨大なテキストデータで訓練された、自然言語を理解し生成できるAIモデル。GPT-4、Claude、Geminiなどが代表例。パラメータ数が数十億から数兆に及ぶ巨大なニューラルネットワークで構成される。
【参考リンク】
Goldman Sachs（外部）
世界有数の投資銀行。1869年創業。マルコ・アルジェンティ氏がCIOとして約1万2000人の技術チームを率いている。
OpenAI（外部）
ChatGPTやGPT-4を開発した人工知能研究企業。2015年設立。API経由で企業向けにAIサービスを提供している。
Google Cloud – AI Agent Trends 2026（外部）
Googleが発表した2026年のAIエージェントトレンドレポート。3466人の企業幹部への調査結果を分析している。
Fox Business（外部）
米国の経済・ビジネスニュース専門チャンネル。今回の記事の原典となったアルジェンティ氏のインタビューを掲載した。
International Energy Agency (IEA)（外部）
国際エネルギー機関。AIワークロードによりデータセンター電力消費が2026年までに2倍以上になると予測している。
【参考記事】
AI Agent Trends in 2026 Report | Google Cloud（外部）
3466人の企業幹部調査に基づく2026年AIエージェントトレンド。71%がワークフロー自動化が大幅向上と予測。
Agentic AI Stats 2026: Adoption Rates, ROI, & Market Trends（外部）
2026年末までに企業アプリの40%がAIエージェント搭載。2035年には4500億ドル超の市場規模になる可能性。
What to expect from AI in 2025 | Goldman Sachs（外部）
アルジェンティ氏の2025年1月予測記事。AIシステムが人間のように振る舞い企業がハイブリッドチーム形成する未来を描く。
💸 AI Token Costs Are Invisible Until They Aren’t（外部）
月間1000リクエストで約2000万トークン消費。消費者向けAIモデルで月額約90ドルのコストになると試算。
GenAI FinOps: How Token Pricing Really Works（外部）
出力トークンは入力の3～5倍のコスト。会話履歴を毎回再送する「コンテキストウィンドウクリープ」が最大の隠れコスト。
35+ Powerful AI Agents Statistics: Adoption & Insights [2026]（外部）
AIエージェント企業は2024年に38億ドル調達で前年の3倍増。企業の85%が2025年末までに導入見込み。
Google’s 1.3 Quadrillion Token Boast（外部）
IEA2024報告引用。AIワークロード主因で世界のデータセンター電力消費が2026年までに2倍以上に増加予測。
【編集部後記】
2026年のAI予測を読んで、みなさんはどう感じられたでしょうか。トークンコストの急増やエネルギー制約といった現実的な課題が、これほど目前に迫っているとは思わなかった方も多いかもしれません。
みなさんの職場では、AIツールの導入は進んでいますか？もし進んでいるなら、そのコストは誰がどのように管理しているのでしょう。ぜひ、みなさんの経験や考えを聞かせてください。
